互联网技术的日臻成熟,加深了传统银行业与大数据的融合。摩根大通、花旗等银行率先使用数据化手段实现了银行业务及流程的再造、业务风险的防范与化解等转型升级、服务质量和用户体验的提升。这也让越来越多的传统银行意识到数据化改革势在必行,那么,传统银行业数据化改革的道路是否能够一帆风顺呢?
传统银行数据化是一场综合大考
传统银行业想要进行数据化转型,还需要克服诸多难题,既要满足“从0到1”的突破,更要进行“从1到N”的维护,否则,数据将成为“中看不中用”的摆设。
1. 数据急需标准化
数据驱动业务增长的作用日益明显,银行内部流通的数据日益增多,但部门与部门之间、业务人员与技术人员之间彼此的数据是不统一的。各部分数据未经标准化,对接不畅,甚至无法关联,使得本应创造价值的数据,反而沦为冗余的垃圾;各职能部门难以协调,容易导致效率提升缓慢、服务质量落后。
2. 体制有待适配
传统银行的中心化体制,决定其内部的信息流通方式以垂直化流动为主,部门与部门之间暗藏壁垒,横向信息流动受阻。银行传统的体制难以激活数据活力,与互联互通、高效流动的需求不适配。此外,银行体量庞大、分支绵密,而数据的对接和流通繁复,单一中心容易因不堪重负而陷于瘫痪。
3. 技术迭代滞后
传统银行的数据化是一个持续升级的过程。随着银行业务拓展、服务升级,相应的业务数据量随之增长,要让大数据发挥作用,就要注重数据的存储、挖掘、分析。现实需求下,区块链、云计算等新兴技术层出不穷,逐渐成为银行数据化的标配。很多银行虽有雄厚的资金基础,但囿于专业限制,未必掌握核心技术,对技术的跟进、升级速率方面表现滞后。
4. 数据安全隐患
随着价值被发掘、重估,大数据成为企业资产,对外界的吸引力上升,安全风险增加。客户数据、业务数据等一旦泄露,不但关乎客户利益、业务拓展,甚至会让银行惹上官司、失去行业竞争力。现实中,银行对数据安全的技术实现和管理实现仍任重道远。
5. 人才缺口较大
数据科学已被视为跨学科领域。银行业内部更多的是掌握金融技术的人才,随着数据化业务拓展,数据的存储、挖掘、分析等事项比重扩大,单一技能恐难胜任职责,跨学科人才可能出现缺口。外部人员借调只能是权宜之计,而内部对新型人才的培养又是长期工程,短期内,银行大数据平台容易沦为摆设。
先行者已给出参考答案
在传统银行与大数据的结合方面,摩根大通、花旗、中国建设银行等机构先行试水,做出了积极探索,可资参考。
1. 打破传统部门条线制,设立独立部门驱动数字化转型
在运行模式方面,传统银行纷纷加速由层级制的治理结构向扁平化的组织体系转变,在总行设立数据整合管理部门;在资源保障方面,主要通过成立跨部门开发小组服务项目需求。如花旗银行通过设立一系列新的组织架构,构建完整的数字化生态系统,包括创新实验室、孵化器、创业加速器和风投,分别承接渐进式的产品数字化改造、颠覆式业务模式创新、加速创新概念向实际生产力转化和新业务布局。通过调整运营模式和完善资源保障,传统银行中部门壁垒在不断降低。
2. 收购、投资或战略合作,布局金融科技
麦肯锡对全球100家领先银行的调研结果显示:52%的银行与金融科技公司有合作关系,37%的银行采用风投或私募的形式布局金融科技。而在国内,工农中建等银行与京东、百度、腾讯、阿里签署战略合作协议;国开行通过国开金融投资开鑫贷;光大集团直接开设科技子公司光大云付。通过收购、投资或战略合作等途径,传统银行为自身引入科技引擎,把金融产业和科技产业进行融合,保证了自身的数字化升级。
3. 数据分级、全员参与,管控数据安全
中国建设银行根据数据的敏感度,将数据分为监管级、高度敏感级、内部使用级、普遍级等四个层级。数据分级后,根据数据安全级别进行相应级别的管控。对存储在企业云平台中的企业级数据,中国建设银行会对敏感数据进行脱敏处理,避免使用时泄露客户信息。各个部门共同参与数据需求提出、数据标准制订、数据安全和元数据的管理等工作,执行部门和管理部门的工作要形成一个完整闭环。通过数据分级管理、数据脱敏、全员参与等方式,传统银行将数据安全的底牌紧握自己手中。
传统银行+大数据成为不可逆转潮流
数据显示,目前国外有1/3左右的先进商业银行,已经成功地将大数据运用到了差异化客户服务、风险管控和运营管理等方面,并且取得了较好的效果。在“不用大数据就可能变傻”的情况下,银行应用大数据已经成为不可逆转的时代潮流。
1. 传统银行营销方式不断创新
大数据将为传统银行的营销工作提供有力支撑。中国银行基于大数据技术识别客户的贷款意愿、评估还款能力,推出了全流程在线信用贷款的秒贷产品。同时,把目光放至客户的全生命周期信用管理,用大数据技术“提前锁定”潜力客户。民生银行则于近日携手今日头条,开启了基于大数据的“今日民生计划”。双方合作从广告层面上升到了数据层面,与民生银行相关的头条大数据将为营销策略提供重要支撑,不仅能够实现银行几千万级客户与头条海量用户之间的资源共通,还在普惠金融、品牌建设、社会责任等方面不断创新。
2. 银行风控能力大幅提高
大数据应用使得金融机构以动态的、联系的、全面的、发展的视角描绘客户成为可能。基于大数据技术的风控平台打通了行内行外数据孤岛,若更加充分利用政府平台公开信息以及互联网信息,结合人工智能建模技术在海量信息中进行价值挖掘,商业银行大数据应用将全面嵌入业务流程,提高风险精细化管理水平的同时也能有效地提升风险决策的实时性。比如,利用知识图谱挖掘技术挖掘集团间、企业间、主要控制人间隐藏关联关系,并生成可视化关联关系图谱,及时发现异常,避免不必要的风险损失。
3. 金融数据生态圈得以形成
互联网企业对金融行业的产品服务、盈利模式和客户体验等进行了颠覆,传统银行在经济新常态下更要抱团取暖,形成合力。而大数据可以准确、及时地整合和应用行业内外的有效数据,把跨业、跨界多维度的数据集聚起来,发挥传统行业各自领域所长,打造数据生态圈。未来,商业银行的合作意识将不断强化,以合作的心态与能为自身提升金融效率、降低风险的大数据机构进行跨界合作将成为常态。
4. 实体经济获得更多金融支持
传统银行用大数据可以精准服务企业经营。国际先进银行往往利用大数据技术,将客户细分后找出标杆企业并分析其银行产品组合,再将其它同类客户的银行产品组合与之比对,从而更高效地满足了企业的金融需求,助推实体企业的经营发展。就我国而言,在钢铁、水泥等多个行业产能严重过剩的情况面前,运用大数据技术挖掘代表未来方向的企业进行扶持,可以避免因噎废食,对实体经济起到保护作用。银行可以在大数据技术的帮助下,积极践行国家普惠金融战略。
大数据已成为当前经济社会重要的生产资料,是国家“互联网+”行动的重要战略资源。可以预见,在良好的政策环境推动下,大数据对传统银行智能转型的驱动作用会越发凸显,对数据资源的深度挖掘和高效利用将成为传统银行未来竞争的焦点。随着各家银行在数据化改革中纷纷试水,大数据将给传统银行业带来的新机遇必然会有更大的创新发展,让我们拭目以待!
大数据开发高薪必备全套资源【免费获取】
Oracle高级技术总监多年精心创作一套完整课程体系【大数据、人工智能开发必看】,全面助力大数据开发零基础+入门+提升+项目=高薪!
「大数据零基础入门」
「大数据架构系统组件」
「大数据全套系统工具安装包」
Java必备工具
大数据必备工具
「大数据行业必备知资讯」
「大数据精品实战案例」
「大数据就业指导方案」
最后说一下的,也就是以上教程的获取方式!
领取方法:
还是那个万年不变的老规矩
1.评论文章,没字数限制,一个字都行!
2.成为小编成为的粉丝!
3.私信小编:“大数据开发教程”即可!
谢谢大家,祝大家学习愉快!(拿到教程后一定要好好学习,多练习哦!)